MCP 프로토콜은 지난 1년 동안 놀라운 성과를 이루어냈다. 모든 AI 프레임워크가 동일한 인터페이스로 도구를 호출할 수 있게 된 것이다. 하지만 한 가지 문제가 남아 있었다. MCP 서버의 품질이 제각각이고, 기업이 직접 유지보수해야 하며, 장애가 발생하면 스스로 책임을 져야 한다는 점이다.
구글은 지난해 12월 이 문제를 조용히 해결했다. 자체 클라우드 서비스 전용 공식 호스팅 MCP 서버를 제공해 배포 즉시 사용할 수 있게 하고, 문제가 발생하면 구글이 책임을 진다.
무엇이, 어떻게 연결되는가
첫 번째 배치는 4가지 서비스다. BigQuery, Google Maps, Google Compute Engine(GCE), Google Kubernetes Engine(GKE)이다. 이 선택은 놀랍지 않다. 기업 AI 에이전트가 가장 자주 사용하는 네 가지 시나리오, 즉 데이터 분석, 지리공간, 클라우드 인프라, 컨테이너 오케스트레이션을 각각 담당하기 때문이다.
구체적으로, 개발자는 AI 에이전트 클라이언트(예: Gemini CLI)를 구글 호스팅 MCP 엔드포인트로 지정하기만 하면 설치, 구성, 유지보수 없이 이러한 서비스를 직접 호출할 수 있다.
이전 방식은 어땠을까? 커뮤니티 구성원이 비공식 BigQuery MCP 서버를 만들어 직접 배포하고 관리했으며, 버전이 뒤처지면 직접 업데이트해야 했다. 이것이 모든 '커뮤니티 MCP'의 공통된 약점이다. 유용하지만 취약하고 프로덕션 환경에 적합하지 않다.
공식 버전은 안정성과 보안에서 차별화된다.
- 권한 관리: 익숙한 Google Cloud IAM 메커니즘 사용
- 감사 로그: 작업이 Cloud Audit Logs를 통해 기록되어 엔터프라이즈 규정 준수 요구사항 충족
- 보안 보호: Google Cloud Model Armor가 MCP를 통한 간접 프롬프트 인젝션 공격을 특별히 차단
- 서비스 디스커버리: Cloud API Registry가 사용 가능한 도구를 관리하여 AI 에이전트가 의도하지 않은 인터페이스를 호출하는 것을 방지
3월 17일 이후: 자동 활성화
주목할 만한 세부 사항이 있다. 2026년 3월 17일부터 GCP에서 지원되는 서비스를 활성화하면 해당 MCP 서버가 자동으로 켜진다.
그 의미는 명확하다. MCP는 더 이상 '추가 구성이 필요한' 기능이 아니라 Google Cloud 서비스의 표준 인터페이스다. BigQuery에 REST API가 자연스럽게 있는 것처럼, 이제는 MCP도 자연스럽게 제공된다.
추가 서비스들이 순차적으로 도입되고 있다.
- 컴퓨팅: Cloud Run, Cloud Storage, Cloud Resource Manager
- 데이터베이스: AlloyDB, Cloud SQL, Spanner, Memorystore
- 분석: Looker, BigQuery Migration Service, Dataplex
- 메시징: Pub/Sub, Kafka
- 보안 및 운영: Google Security Operations, Cloud Logging, Cloud Monitoring
- 개발자 도구: Developer Knowledge API, Android Management API
이는 기본적으로 Google Cloud의 전체 서비스 맵을 포괄한다.
Anthropic의 입장
MCP 공동 창시자이자 현재 Anthropic에 있는 David Soria Parra는 이번 움직임에 대해 명확한 입장을 밝혔다.
"구글이 이렇게 다양한 제품군에서 MCP를 지원하고 프로토콜 사양에 대한 긴밀한 협력을 결합함으로써 더 많은 개발자가 에이전틱 AI 애플리케이션을 구축할 수 있게 될 것입니다. 주요 플랫폼에서의 채택률이 높아짐에 따라 'AI 에이전트가 사람들이 일상적으로 사용하는 도구와 서비스 간에 원활하게 작동한다'는 목표에 더 가까워지고 있습니다."
이면의 논리는 이렇다. MCP의 가치는 네트워크 효과에 있다. 연결된 서비스가 많을수록 AI 에이전트가 할 수 있는 일이 많아지고 프로토콜 자체의 입지가 더욱 공고해진다. 구글의 이번 조치는 MCP가 스스로 할 수 없었던 일, 즉 개발자들에게 이 프로토콜이 진지하게 추진되고 있으며 언제든 사라지지 않을 것이라는 신뢰를 심어주는 데 기여한다.
구체적인 예시
구글은 실제 사용 사례를 제시했다. 소매업체의 매장 입지 선정을 위한 AI 에이전트다.
- BigQuery를 사용해 지난 3년간 각 도시의 판매 데이터를 가져와 수익 예측 생성
- Google Maps 서비스를 호출해 대상 도시 내 경쟁업체 위치, 주변 편의시설, 배달 반경 파악
이전에는 이 두 작업에 각각 다른 두 개의 SDK가 필요했다. 이제는 동일한 MCP 클라이언트가 두 엔드포인트를 모두 호출한다. 데이터는 구글 인프라 내에서 흐르고, 자체 데이터 파이프라인을 구축할 필요가 없으며, 권한 관리는 동일한 IAM 시스템을 사용한다.
이 예시는 구글의 핵심 논리를 보여준다. MCP 유행을 따르는 것이 아니라 Gemini + GCP 조합을 기업에 더 매력적으로 만드는 것이다. Gemini로 에이전트를 사용하고, 도구 호출은 공식 MCP를 통해 이루어지며, 문제 발생 시 지원을 받고, 청구는 한 곳에서 처리된다. 이는 오픈소스 도구를 조합하는 것보다 훨씬 강력하다.
AI 에이전트가 유용하려면 도구 호출이 신뢰할 수 있어야 한다. 구글의 공식 MCP는 '도구에 대한 책임은 누구에게 있는가'라는 문제를 해결했다.
참고 출처: CocoLoop, Google Launches Managed Remote MCP Servers for Its Cloud Services (The New Stack); Announcing official MCP support for Google services (Google Cloud Blog)